Python圖像處理經(jīng)典實(shí)例

定　價(jià)：￥119.80

作　者：	桑迪潘·戴伊（Sandipan Dey）
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥119.80)

ISBN：	9787115588951	出版時(shí)間：	2023-01-01	包裝：	平裝-膠訂
開本：	128開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書提供了相關(guān)工具和算法，能幫助讀者實(shí)現(xiàn)分析和可視化圖像處理。本書給出了60 余個(gè)具體實(shí)例的解決方法，采用“菜譜式”方式組織內(nèi)容，以期指導(dǎo)讀者快速實(shí)踐圖像的分析和可視化處理，應(yīng)對(duì)圖像處理中的常見挑戰(zhàn)，并學(xué)習(xí)如何執(zhí)行復(fù)雜的任務(wù)，如對(duì)象檢測(cè)、圖像分割和使用大型混合數(shù)據(jù)集的圖像重建，以及各種圖像增強(qiáng)和圖像恢復(fù)技術(shù)，如卡通化、梯度混合和稀疏字典學(xué)習(xí)。？本書適合計(jì)算機(jī)視覺工程師、圖像處理工程師、軟件工程師和機(jī)器學(xué)習(xí)工程師等專業(yè)人士閱讀，也適合具有一定Python編程基礎(chǔ)并希望進(jìn)一步了解圖像處理的細(xì)節(jié)和復(fù)雜性的讀者參考。

作者簡(jiǎn)介

　　桑迪潘·戴伊（Sandipan Dey）是一位興趣廣泛的數(shù)據(jù)科學(xué)家，主要研究機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、圖像處理和計(jì)算機(jī)視覺，曾在推薦系統(tǒng)、行業(yè)動(dòng)態(tài)預(yù)測(cè)模型、傳感器定位模型、情感分析和設(shè)備預(yù)測(cè)等眾多數(shù)據(jù)科學(xué)領(lǐng)域工作過(guò)。桑迪潘·戴伊擁有美國(guó)馬里蘭大學(xué)計(jì)算機(jī)科學(xué)碩士學(xué)位，在IEEE 數(shù)據(jù)挖掘會(huì)議和期刊上發(fā)表了數(shù)篇學(xué)術(shù)論文，并在數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、圖像處理及相關(guān)課程/專業(yè)等方面獲得了100多個(gè)慕課（mooc）學(xué)習(xí)認(rèn)證。他經(jīng)常在博客空間（sandipanweb）撰寫博客，是機(jī)器學(xué)習(xí)教育愛好者。

圖書目錄

第 1章　圖像處理與變換　1
1.1　技術(shù)要求　1
1.2　變換顏色空間（RGB→Lab）　2
1.2.1　準(zhǔn)備工作　2
1.2.2　執(zhí)行步驟　2
1.2.3　工作原理　4
1.2.4　更多實(shí)踐　4
1.3　應(yīng)用仿射變換　4
1.3.1　準(zhǔn)備工作　5
1.3.2　執(zhí)行步驟　5
1.3.3　工作原理　6
1.3.4　更多實(shí)踐　7
1.4　應(yīng)用透視變換和單應(yīng)性變換　7
1.4.1　準(zhǔn)備工作　8
1.4.2　執(zhí)行步驟　8
1.4.3　工作原理　10
1.4.4　更多實(shí)踐　11
1.5　基于圖像創(chuàng)建鉛筆草圖　11
1.5.1　準(zhǔn)備工作　11
1.5.2　執(zhí)行步驟　11
1.5.3　工作原理　13
1.5.4　更多實(shí)踐　14
1.6　創(chuàng)建卡通圖像　14
1.6.1　準(zhǔn)備工作　15
1.6.2　執(zhí)行步驟　15
1.6.3　工作原理　16
1.6.4　更多實(shí)踐　17
1.7　模擬光藝術(shù)/長(zhǎng)曝光　17
1.7.1　準(zhǔn)備工作　17
1.7.2　執(zhí)行步驟　17
1.7.3　工作原理　19
1.7.4　更多實(shí)踐　19
1.8　在HSV顏色模型中使用顏色進(jìn)行目標(biāo)檢測(cè)　21
1.8.1　準(zhǔn)備工作　21
1.8.2　執(zhí)行步驟　21
1.8.3　工作原理　22

第 2章　圖像增強(qiáng)　24
2.1　使用濾波器去除圖像中不同類型的噪聲　24
2.1.1　準(zhǔn)備工作　24
2.1.2　執(zhí)行步驟　25
2.1.3　工作原理　26
2.1.4　更多實(shí)踐　28
2.2　基于去噪自編碼器的圖像去噪　28
2.2.1　準(zhǔn)備工作　28
2.2.2　執(zhí)行步驟　28
2.2.3　工作原理　31
2.2.4　更多實(shí)踐　32
2.3　基于PCA/DFT/DWT的圖像去噪　33
2.3.1　準(zhǔn)備工作　33
2.3.2　執(zhí)行步驟　33
2.3.3　工作原理　35
2.3.4　更多實(shí)踐　36
2.4　基于各向異性擴(kuò)散的圖像去噪　36
2.4.1　準(zhǔn)備工作　36
2.4.2　執(zhí)行步驟　36
2.4.3　工作原理　38
2.4.4　更多實(shí)踐　38
2.5　利用直方圖均衡化改善圖像對(duì)比度　38
2.5.1　準(zhǔn)備工作　39
2.5.2　執(zhí)行步驟　39
2.5.3　更多實(shí)踐　41
2.6　執(zhí)行直方圖匹配　41
2.6.1　準(zhǔn)備工作　41
2.6.2　執(zhí)行步驟　42
2.6.3　工作原理　43
2.6.4　更多實(shí)踐　44
2.7　執(zhí)行梯度融合　45
2.7.1　準(zhǔn)備工作　45
2.7.2　執(zhí)行步驟　46
2.8　基于Canny、LoG/零交叉以及小波的邊緣檢測(cè)　47
2.8.1　準(zhǔn)備工作　47
2.8.2　執(zhí)行步驟　48
2.8.3　工作原理　52
2.8.4　更多實(shí)踐　53

第3章　圖像修復(fù)　54
3.1　使用維納濾波器來(lái)修復(fù)圖像　55
3.1.1　準(zhǔn)備工作　55
3.1.2　執(zhí)行步驟　55
3.2　使用約束小二乘法濾波器來(lái)修復(fù)圖像　58
3.2.1　準(zhǔn)備工作　58
3.2.2　執(zhí)行步驟　59
3.2.3　工作原理　62
3.2.4　更多實(shí)踐　62
3.3　使用馬爾可夫隨機(jī)場(chǎng)來(lái)修復(fù)圖像　63
3.3.1　準(zhǔn)備工作　64
3.3.2　執(zhí)行步驟　64
3.3.3　工作原理　66
3.4　圖像修補(bǔ)　67
3.4.1　準(zhǔn)備工作　68
3.4.2　執(zhí)行步驟　68
3.4.3　工作原理　68
3.4.4　更多實(shí)踐　70
3.5　基于深度學(xué)習(xí)的圖像修復(fù)　71
3.5.1　準(zhǔn)備工作　72
3.5.2　執(zhí)行步驟　72
3.5.3　更多實(shí)踐　74
3.6　基于字典學(xué)習(xí)的圖像修復(fù)　75
3.6.1　準(zhǔn)備工作　75
3.6.2　執(zhí)行步驟　75
3.6.3　更多實(shí)踐　78
3.7　使用小波進(jìn)行圖像壓縮　79
3.7.1　準(zhǔn)備工作　80
3.7.2　執(zhí)行步驟　80
3.7.3　工作原理　81
3.8　使用隱寫術(shù)和隱寫分析技術(shù)　82
3.8.1　準(zhǔn)備工作　83
3.8.2　執(zhí)行步驟　83
3.8.3　工作原理　86
3.8.4　更多實(shí)踐　86

第4章　二值圖像處理　87
4.1　對(duì)二值圖像應(yīng)用形態(tài)學(xué)運(yùn)算　87
4.1.1　準(zhǔn)備工作　88
4.1.2　執(zhí)行步驟　88
4.1.3　工作原理　90
4.1.4　更多實(shí)踐　92
4.2　應(yīng)用形態(tài)學(xué)濾波器　93
4.2.1　準(zhǔn)備工作　94
4.2.2　執(zhí)行步驟　94
4.2.3　工作原理　100
4.2.4　更多實(shí)踐　100
4.3　形態(tài)模式匹配　102
4.3.1　準(zhǔn)備工作　102
4.3.2　執(zhí)行步驟　103
4.3.3　工作原理　105
4.3.4　更多實(shí)踐　106
4.4　基于形態(tài)學(xué)的圖像分割　106
4.4.1　準(zhǔn)備工作　107
4.4.2　執(zhí)行步驟　107
4.4.3　工作原理　111
4.4.4　更多實(shí)踐　112
4.5　對(duì)象計(jì)數(shù)　113
4.5.1　準(zhǔn)備工作　113
4.5.2　執(zhí)行步驟　113
4.5.3　工作原理　115
4.5.4　更多實(shí)踐　116

第5章　圖像配準(zhǔn)　117
5.1　基于SimpleITK模塊的醫(yī)學(xué)圖像配準(zhǔn)　117
5.1.1　準(zhǔn)備工作　118
5.1.2　執(zhí)行步驟　118
5.1.3　工作原理　121
5.1.4　更多實(shí)踐　121
5.2　使用ECC算法進(jìn)行圖像對(duì)齊和變形　123
5.2.1　準(zhǔn)備工作　123
5.2.2　執(zhí)行步驟　124
5.2.3　工作原理　126
5.2.4　更多實(shí)踐　127
5.3　使用dlib庫(kù)進(jìn)行人臉對(duì)齊　127
5.3.1　準(zhǔn)備工作　128
5.3.2　執(zhí)行步驟　128
5.3.3　工作原理　130
5.3.4　更多實(shí)踐　130
5.4　RANSAC算法的魯棒匹配和單應(yīng)性　132
5.4.1　準(zhǔn)備工作　132
5.4.2　執(zhí)行步驟　133
5.4.3　工作原理　134
5.5　圖像拼接（全景）　135
5.5.1　準(zhǔn)備工作　136
5.5.2　執(zhí)行步驟　136
5.5.3　工作原理　142
5.5.4　更多實(shí)踐　142
5.6　人臉變形　142
5.6.1　準(zhǔn)備工作　143
5.6.2　執(zhí)行步驟　143
5.6.3　工作原理　149
5.6.4　更多實(shí)踐　149
5.7　實(shí)現(xiàn)圖像搜索引擎　150
5.7.1　準(zhǔn)備工作　150
5.7.2　執(zhí)行步驟　150
5.7.3　更多實(shí)踐　158

第6章　圖像分割　159
6.1　使用Otsu和Riddler-Calvard的閾值化進(jìn)行圖像分割　159
6.1.1　準(zhǔn)備工作　160
6.1.2　執(zhí)行步驟　160
6.1.3　工作原理　161
6.1.4　更多實(shí)踐　161
6.2　使用自組織映射進(jìn)行圖像分割　162
6.2.1　準(zhǔn)備工作　163
6.2.2　執(zhí)行步驟　163
6.2.3　工作原理　166
6.2.4　更多實(shí)踐　166
6.3　使用scikit-image進(jìn)行隨機(jī)游走圖像分割　168
6.3.1　準(zhǔn)備工作　168
6.3.2　執(zhí)行步驟　169
6.3.3　工作原理　170
6.3.4　更多實(shí)踐　171
6.4　使用GMM-EM算法進(jìn)行人體皮膚的圖像分割　171
6.4.1　準(zhǔn)備工作　172
6.4.2　執(zhí)行步驟　173
6.4.3　工作原理　175
6.5　醫(yī)學(xué)圖像分割　176
6.5.1　準(zhǔn)備工作　176
6.5.2　執(zhí)行步驟　176
6.5.3　工作原理　182
6.5.4　更多實(shí)踐　183
6.6　深度語(yǔ)義分割　184
6.6.1　準(zhǔn)備工作　185
6.6.2　執(zhí)行步驟　185
6.7　深度實(shí)例分割　190
6.7.1　準(zhǔn)備工作　191
6.7.2　執(zhí)行步驟　192
6.7.3　工作原理　194

第7章　圖像分類　195
7.1　使用scikit-learn庫(kù)對(duì)圖像進(jìn)行分類（方向梯度直方圖和邏輯回歸）　196
7.1.1　準(zhǔn)備工作　196
7.1.2　執(zhí)行步驟　197
7.1.3　工作原理　200
7.1.4　更多實(shí)踐　202
7.2　使用Gabor濾波器組對(duì)紋理進(jìn)行分類　202
7.2.1　準(zhǔn)備工作　203
7.2.2　執(zhí)行步驟　203
7.2.3　工作原理　206
7.2.4　更多實(shí)踐　207
7.3　使用VGG19/Inception V3/MobileNet/ResNet101（基于PyTorch庫(kù)）
　　對(duì)圖像進(jìn)行分類　207
7.3.1　準(zhǔn)備工作　208
7.3.2　執(zhí)行步驟　208
7.3.3　工作原理　210
7.3.4　更多實(shí)踐　212
7.4　圖像分類的微調(diào)（使用遷移學(xué)習(xí)）　212
7.4.1　準(zhǔn)備工作　213
7.4.2　執(zhí)行步驟　214
7.4.3　工作原理　217
7.4.4　更多實(shí)踐　218
7.5　使用深度學(xué)習(xí)模型對(duì)交通標(biāo)志進(jìn)行分類（基于PyTorch庫(kù)）　219
7.5.1　準(zhǔn)備工作　219
7.5.2　執(zhí)行步驟　219
7.5.3　工作原理　226
7.5.4　更多實(shí)踐　227
7.6　使用深度學(xué)習(xí)實(shí)現(xiàn)人體姿勢(shì)估計(jì)　227
7.6.1　準(zhǔn)備工作　228
7.6.2　執(zhí)行步驟　228
7.6.3　工作原理　231

第8章　圖像中的目標(biāo)檢測(cè)　232
8.1　基于HOG/SVM的目標(biāo)檢測(cè)　232
8.1.1　準(zhǔn)備工作　234
8.1.2　執(zhí)行步驟　234
8.1.3　工作原理　236
8.1.4　更多實(shí)踐　237
8.2　基于YOLO v3的目標(biāo)檢測(cè)　237
8.2.1　準(zhǔn)備工作　238
8.2.2　執(zhí)行步驟　238
8.2.3　工作原理　241
8.2.4　更多實(shí)踐　242
8.3　基于Faster R-CNN的目標(biāo)檢測(cè)　242
8.3.1　準(zhǔn)備工作　243
8.3.2　執(zhí)行步驟　243
8.3.3　工作原理　245
8.3.4　更多實(shí)踐　246
8.4　基于Mask R-CNN的目標(biāo)檢測(cè)　246
8.4.1　準(zhǔn)備工作　247
8.4.2　執(zhí)行步驟　247
8.4.3　工作原理　250
8.4.4　更多實(shí)踐　250
8.5　基于Python-OpenCV的多目標(biāo)跟蹤　250
8.5.1　準(zhǔn)備工作　251
8.5.2　執(zhí)行步驟　251
8.5.3　工作原理　253
8.5.4　更多實(shí)踐　253
8.6　使用EAST/Tesseract來(lái)檢測(cè)/識(shí)別圖像中的文本　253
8.6.1　準(zhǔn)備工作　255
8.6.2　執(zhí)行步驟　255
8.6.3　工作原理　257
8.7　使用 Viola-Jones/Haar特征進(jìn)行人臉檢測(cè)　258
8.7.1　準(zhǔn)備工作　258
8.7.2　執(zhí)行步驟　258
8.7.3　工作原理　259
8.7.4　更多實(shí)踐　260

第9章　人臉識(shí)別、圖像描述及其他技術(shù)　261
9.1　使用FaceNet進(jìn)行人臉識(shí)別　261
9.1.1　準(zhǔn)備工作　262
9.1.2　執(zhí)行步驟　263
9.1.3　工作原理　267
9.2　使用深度學(xué)習(xí)模型來(lái)識(shí)別年齡、性別和情緒　268
9.2.1　準(zhǔn)備工作　268
9.2.2　執(zhí)行步驟　269
9.2.3　更多實(shí)踐　270
9.3　使用深度學(xué)習(xí)模型進(jìn)行圖像著色　270
9.3.1　準(zhǔn)備工作　271
9.3.2　執(zhí)行步驟　271
9.4　使用卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶自動(dòng)生成圖像字幕　273
9.4.1　準(zhǔn)備工作　274
9.4.2　執(zhí)行步驟　274
9.4.3　工作原理　275
9.5　使用GAN生成圖像　276
9.5.1　準(zhǔn)備工作　277
9.5.2　執(zhí)行步驟　278
9.5.3　工作原理　283
9.5.4　更多實(shí)踐　284
9.6　使用變分自編碼器重建并生成圖像　284
9.6.1　準(zhǔn)備工作　285
9.6.2　執(zhí)行步驟　285
9.6.3　更多實(shí)踐　290
9.7　使用受限玻耳茲曼機(jī)重建孟加拉語(yǔ)MNIST圖像　291
9.7.1　準(zhǔn)備工作　292
9.7.2　執(zhí)行步驟　292